下载掌阅APP，畅读海量书库
立即打开
由于总体中的每个个体间均存在差异，在抽取样本的时候，即使严格遵守随机抽样原则，也会由于多抽到一些数值较大或较小的个体致使样本统计量与总体的参数之间有所不同；由于实验者测量技术的差别或测量仪器精确程度的差别等因素的存在造成偏差，使样本统计量与总体参数之间存在差异。综上原因可以认为均值不相等的两个样本不一定来自均值不同的总体。能否用样本均值估计总体均数，两个变量均值接近的样本是否来自均值相同的总体。
两个样本某变量的均值不同，其差异是否具有统计意义，能否说明总体之间存在的差异，这些都是研究工作中经常提出的问题，解决它们就需要进行假设检验。
对总体特征的推断一般采用参数估计和假设检验两类方式实现，SPSS兼顾了这两类方式，由于其原理基本类似，本章仅对假设检验做重点讲述，并且在假设检验的结果中也会给出在一定的置信度下，一些统计量的置信区间。
假设检验的基本思路是首先对总体参数提出零假设，然后利用样本的数据去验证先前提出的假设是否成立。如果样本数据不能充分证明和支持零假设，则在一定的概率条件下，拒绝零假设；反之，如果样本数据不能充分否认零假设，则不能拒绝零假设。
在假设检验的推断过程中，基本原则就是依靠统计分析推断原理，即小概率事件在一次特定的抽样中几乎不可能发生，如果发生了小概率事件，就有理由拒绝零假设。现对假设检验的一般步骤进行详细介绍。
（1）提出零假设（H 0 ）。
根据检验的目标，对需要检验的最终结果提出一个零假设。例如，需要检验一个班同学的平均身高是否等于170，即可以做出零假设，H 0 ：h=170。
（2）选择检验统计量。
假设检验中，总是通过计算检验统计量的概率值进行判断，这些统计量服从或近似服从已知的某种分布，常用的有t分布、F分布等。
（3）计算检验统计量观测值发生的概率。
在认为零假设成立的前提下，计算检验统计量观测值发生的概率，记为p，概率p值就是在零假设成立的前提下样本值发生的概率，对此可以根据一定的标准来判定其发生的概率是否是小概率。
（4）给定显著性水平，做出判断。
显著性水平指零假设正确却被错误拒绝的概率，一般取0.01或0.05，即零假设正确且正确接受的概率为99%或95%，换言之，概率p值小于显著性水平时，则拒绝零假设，此时零假设正确却被错误拒绝的概率小于显著性水平，即小于预定的水平，就是说零假设正确却被错误拒绝的概率在我们容忍的范围内，认为拒绝零假设正确；反之，概率p值大于显著性水平时，则接受零假设。